《GIS空间分析原理与方法个人总结复习资料》由会员分享，可在线阅读，更多相关《GIS空间分析原理与方法个人总结复习资料（16页珍藏版）》请在金锄头文库上搜索。
1、第一章 地理空间数据分析与GIS1.地理空间数据处理与建模地理空间数据分析是:(地理学和地理信息科学领域)，它通过研究地理空间数据及其相应分析理论、方法和技术，探索、证明地理要素之间的关系，揭示地理特征和过程的内在规律和机理，实现对地理空间信息的认知、解释、预测和调控。 2.1地理空间数据挖掘概述 按照不同的挖掘任务，地理空间数据挖掘可以分为预测模型发现、聚类、关联规则发现、序列模式发现、依赖关系发现、异常值分析和趋势发现等。 地理空间数据挖掘系统包括三大支柱模块：地理空间数据立方体、联机分析处理（OLAP）模块和空间数据挖掘模块.2.2地理空间数据挖掘典型方法: 地理空间统计方法:分析地理空
2、间数据的统计方法，主要是基于空间中邻近的要素通常比相离较远的要素具有较高的相似性这一原理。.与传统分析有两大差异：空间数据间并非独立，而是在多维空间中具有某种空间相关性，且在不同的空间分辨率下呈现不同的相关程度；大多数空间问题仅有一组（不规则分布空间中）观测值，而无重复观测的资料。 .地理空间统计模型大致可分为三类:地统计;是以区域化变量理论为基础，以变差函数为主要工具，研究空间分布上既具有随机性又具有结构性的自然现象的科学。 根据离散数据生成连续表面，通过空间自相关进行空间预测。格网空间模型：用以描述分布于有限（或无穷离散）空间点（或区域）上数据的空间关系。空间点分布形态：在自然科学研究中，
3、许多资料是由点（或小区域）所构成的集合。由于形成机制不同，空间点分布形态具有随机、丛聚或规则等不同类型。地理空间聚类方法:地理空间数据聚类是按照某种距离度量准则，在大型、多维数据集中标识出聚类或稠密分布的区域，从而发现数据集的整体空间分布模式。该方法把空间数据库中的对象分为有意义的子类，使同一子类内部的成员有尽可能多的相同属性，而不同的子类之间差异较大。 地理空间关联分析:地理空间关联分析利用空间关联规则提取算法发现空间数据库中空间目标间的关联程度.GIS数据库是典型的空间数据库，从GIS数据库中挖掘空间关联规则是理解GIS模型和将GIS数据转化成知识的一种有效方法。 关联的规则包括:相邻,相
4、连,共生,包含.表示空间对象之间的拓扑关系、空间方位、排列次序以及距离信息.地理空间分类与预测分析:根据已知的分类模型把数据库中的数据映射到给定类别中，进行数据趋势预测分析的方法。预测是利用历史数据记录自动推导出对给定数据的推广描述，实现对未来数据的趋势分析。.分类和聚类算法的差别在于：聚类算法是根据一定要求将对象聚为一个集合，最后得到的分布模式是聚类之前未确知的；分类算法则是根据已知分布模式的属性要求，将数据库对象归入相应的分类中。.分类和回归都可用于预测，空间回归规则与空间分类规则相似，也是一种分类器，其差别在于空间分类规则的预测值是离散的，空间回归规则的预测值是连续的。异常值分析:若一个
5、数据库包含的数据目标与通常的行为或数据模型不一致，则这些数据目标被称为异常值。绝大多数数据挖掘方法把异常值作为噪音或例外数据，然而，在很多情况下这将会导致重要隐含信息的丢失。 基于计算机的异常值分析方法主要有三种：基于统计的异常值分析；基于距离的异常值探测；基于偏差的异常值探测。 3.1空间分析:是集空间数据分析和空间模拟于一体的技术方法，通过地理计算和空间表达挖掘潜在空间信息，以解决实际问题。.空间分析的本质特征包括：探测模式；研究关系并建立模型；提高适合于所有观察模式处理过程的理解；改进预测和控制能力。空间分析的研究对象：空间分析主要通过对空间数据和空间模型的联合分析来挖掘空间目标的潜在信
6、息。空间分析研究的主要目标有：认知。解释.预报.调控. GIS环境下空间分析框架: 一类是基于点、线、面基本地理要素的空间分析，通过空间信息查询与量测、缓冲区分析、叠置分析、网络分析、地统计分析等空间分析方法挖掘出新的信息；另一类是地理问题模拟，解决应用领域对空间数据处理与输出的特殊要求，地理实体和空间关系通过专业模型得到简化和抽象，而系统则通过模型进行深入分析操作。 . GIS环境下空间分析方法分为如下六个方面： 确定性空间分析:分析处理确定性空间数据或解决确定性空间问题的方法，它是高级空间分析的基础。算法基本上是基于经典数学方法建模的探索性空间数据分析:（Exploratory Spati
7、al Data Analysis，ESDA）是利用统计学原理和图形图表相结合对空间数据的性质进行分析、鉴别，用以引导确定性模型的结构和解法的一种技术，本质上是一种“数据驱动”的分析方法。研究数据的空间相关性与空间异质性，在知识发现中用于选取感兴趣的数据子集，以发现隐含在数据中的某些特征和规律。相对于传统的统计分析而言，ESDA技术不是预设数据具有某种分布或某种规律，而是一步步地、试探性地分析数据，逐步地认识和理解数据。EIL:探索性归纳学习方法=数据聚焦EDA+数据泛化AOIL+Rough集时空数据分析:挖掘系统沿时间变化的规律。数据结构、数据操作和完整性约束三部分组成。目前，较典型的时空数据
8、模型概括起来有以下四种：（1）把时间作为新的维数；（2）面向对象建模；（3）将时间作为属性附加项；（4）基于状态和变化建模。专业模型集成分析:智能化的空间分析:可以兼容大规模现实世界问题中的不精确性和不确定性，能够达到易加工、鲁棒性、可编程、低成本、快速和精确（与人类操作接近）处理空间数据的目的。智能化空间分析方法经历了从决策树、基于知识的专家系统到基于智能计算的分析方法的发展历程。可视化空间分析:分析空间对象的空间分布规律，进行空间对象的空间性质计算，表现数据的内在复杂结构、关系和规律。目前，可视化空间分析已由静态空间关系的可视化发展到动态表示系统演变过程的可视化 .第二章 GIS空间分析基
9、础1.空间分析地理对象的空间位置、空间形态、空间格局、空间关系等特征信息需要通过空间坐标系统、空间尺度、空间数据结构和空间数据模型等来表达与描述，地理空间问题需要通过空间计算、空间推理等方法来获取与求解。2.空间:是一个复杂的概念，具有多义性，既有与时间对应的含义，也有“宇宙空间”的含义。.欧氏空间:是对物理空间的一种数学理解与表达，是GIS中常用的一种重要空间。欧式空间擅长平面二维空间目标的空间方位、规模的表达 。欧氏平面的基本变换类型为：全等变换:形状和尺寸;相似变换：形状; 仿射变换：相似性;投影变换：投影性质。拓扑变换:拓扑特征.拓扑空间是另一种理解和描述物理空间的数学方法，也是GIS
10、中常用的重要数学空间。而拓扑空间则是描述空间目标宏观分布或目标之间相互关系的有效方法 。拓扑关系（Topological Relation）是不考虑距离和方向的空间目标之间的关系。包括：相邻；邻接；关联；包含.在拓扑空间中，欧氏平面可以想象成由理想弹性模型做成的平面，它可以任意延伸和收缩，但不允许折叠和撕裂。若空间目标间的关联、相邻与连通等几何属性不随空间目标的平移、旋转、缩放等变换而改变，这些保持不变的性质称为拓扑属性，变化的称为非拓扑属性。3.地理空间是指物质、能量、信息的存在形式在形态、结构、过程、功能关系上的分布方式、格局及其在时间上的延续。它是上至大气电离层，下至地幔莫霍面的区域内物
11、质与能量发生转化的时空载体，是宇宙过程对地球影响最大的区域，它被定义为具有空间参考信息的地理实体或地理现象发生的时空位置集。绝对空间(属性描述的空间几何位置的集合, 由一系列不同位置的空间坐标组成 )和相对空间两种形式(具有空间属性特征的实体集合, 由不同实体之间的空间关系构成 ). 4.地理网格系统是一种以平面子集的规则分级剖分为基础的空间数据结构，具有较高的标准化程度。它能由粗到细、逐级地分割地球表面，将地球曲面用一定大小的多边形网格进行近似模拟，再现地球表面，其目的是将地理空间的定位和地理特征的描述一体化，并将误差控制在网格单元的大小范围内。 .地理网格既可以类似于栅格数据用最小单元网格
12、来表达空间对象，还可以像矢量数据那样用网格点代替传统的坐标点对来表达空间实体的几何特征，因此出现了两种类型的地理网格。一类是用于存储区域信息的网格系统（区域网格系统），另一类是用于存储位置信息的网格系统（位置网格系统）.地理坐标网格系统也存在明显的缺陷:*由于网格单元面积不等造成统计分析的复杂性；*网格的面积变形、形状变形以及内点位置误差由赤道向南北极逐渐递增；*网格系统的最顶端和最底端的网格形状实际上并不是显示在平面上的方形而是三角形；*地理坐标网格系统的方形网格单元具有复杂的邻接特性，每一个格网都有四个与之共边的、且中心点等距的邻接四边形，同时它还有四个与之共顶点的、且与中心点不等距的四个
13、邻接四边形，这种复杂的邻接关系不利于模拟应用。5.地理空间数据特征: 多尺度多维结构时空特征不确定性海量性6.空间分布与格局 : 地理对象通常可以抽象为点目标、线目标、面目标三类 空间分布分析 *通常采用分布密度、均值、分布中心（几何中心、分布重心）、离散度、空间集聚度以及粗糙度等指标进行空间分布格局的描述；*通过空间分布检验来确定地理对象的聚集、分散、均匀、随机等分布类型；*用空间聚类分析方法反映分布的多中心特征并确定这些中心；*通过趋势面分析反映现象的空间分布趋势等。7.资源配置是在资源总量不足的背景条件下，将有限的资源重新进行时空分配，使稀缺的资源的功效最大化，从而保证社会经济和生态效益
14、最优化。 8.空间关系与影响: 空间关系包括：距离、方向、连通、拓扑空间相互影响:利用状态变量和影响因素之间的关系类比建立数学模型，并用实测数据回归获得参数，然后进行分析预测。它一般应用于社会经济领域的问题.空间关系分析的必要性:略9.空间动态与过程: *时空数据的分类和时间量测 *基于时间的平滑和综合 *变化的统计分析、时空叠加 *时间序列分析以及预测分析 第三章 空间量测与计算 空间量测与计算是指对GIS数据库中各种空间目标的基本参数进行量算与分析，如空间目标的位置、距离、周长、面积、体积、曲率、空间形态以及空间分布等。3.1 空间量测尺度 .维度:空间目标分为实体与现象，实体描述空间中的
15、静态物体，一般是以0维、1维、2维、3维、分数维存在；现象描述空间物体发生发展过程，一般是以3维和4维，即2维+时间维和3维+时间维的形式存在。空间维的划分还存在高维空间，但在GIS空间量测中只考虑与空间量测关系密切的0维、1维、2维、3维、4维以及分数维。(不同空间维之间的转化主要取决于用户根据不同的需要所确定的空间尺度，有时也受制于技术条件和客观条件) .比例尺：决定了空间数据的密度、空间坐标的精确有效位和相应影像数据的空间分辨率，空间维。比例尺越大，其所承载的空间信息越多，在进行空间量测时所能够量测的信息也就越多，所得到的量测值越精确。 .属性数据：在GIS中，属性数据是指与空间位置无直
16、接关系的特征数据，它是与地理实体相联系、经过抽象的地理变量，通常可将其分为定性和定量两种形式。定性属性数据包括名称、类型、种类等用以表述空间实体性质方面的特征，多用字符、符号表示；定量属性数据包括数量、等级等用以表述空间实体数量方面的特征，多用数字形式表示。字符形式的属性类别数据采用逻辑关系处理，而数字形式的属性数字数据通常采用数学关系处理。 属性数据的量测尺度由粗略至详细大致可分为命名量、次序量（不同次序之间的间隔大小可以不同）、间隔量（不参照某个固定点，按间隔表示相对位置）及比率量（有真零值而且量测单位间隔相等的数据，可加、减、乘、除）等四个层次。命名量、次序量、间隔量、比率量的区别和联系
